分析方法

 采用AI深度學習原理，基于海量數(shù)據(jù)進行算法訓練并集成為自動化圖像分析軟件,。具體過程如下：

1,、循跡：自動定位并沿待測組織圈定待測區(qū)域，可根據(jù)具體要求手動定位,；

2,、選色：根據(jù)HSI自動進行陽性判斷，可根據(jù)具體情況手動修正,；

3,、運算：根據(jù)需求，軟件自動定位細胞核并擴展胞質(zhì)范圍,；計算弱,、中、強陽性細胞數(shù)量以及面積,；累積光密度IOD(integrated optical density) ,；組織面積等不同參數(shù)。

    4,、分析：高倍下逐步計算待測區(qū)域,。完成后根據(jù)原始基礎數(shù)據(jù)以及算法公式自動對各個項目進行計算得出分析結果，并生成報告,。

2.評價項目

    1,、陽性細胞比率=陽性細胞數(shù)/細胞總數(shù)^[1]

    2、陽性細胞密度=陽性細胞數(shù)/待測組織面積^[1]

3,、平均光密度值=累積光密度IOD值/陽性像素面積^[2]

4,、H-SCORE=∑（pi×i）=（percentage of weak intensity ×1)+(percentage  of moderate intensity ×2)+(percentage of strong intensity ×3) ^{[3][4] [7][8]}

5、IRS=SI（陽性強度）×PP（陽性細胞比率）,。SI可分為3級,，0級無陽性著色，1級淡黃色弱陽性,，2級棕黃色中陽性,，3級棕褐色強陽性；PP可分為4級，0級為0～5%,，1級為6%～25%,，2級為26%～50%，3級為51%～75%,，4級為>75% ^[5]

6,、陽性面積比=陽性面積/組織面積^[6]

7、陽性面密度=累積光密度IOD值/組織像素面積^[2]

 

3.分析結果

5.原始基礎數(shù)據(jù)